facoltà di
INGEGNERIA
salita Sperone 31 98166 S. Agata - Messina
web: http://ww2.unime.it/ingegneria
CORSO di LAUREA in
INGEGNERIA ELETTRONICA
Presidente : Prof. Carmine Ciofi

PROGRAMMA

DIARIO di ESAMI

ORARIO delle LEZIONI

PRENOTAZIONI ESAMI

Materiale Didattico fornito dal Docente

Scopi del Corso :

Il corso fornisce le basi dell’elaborazione ed analisi di segnali digitali e delle tecniche di intelligenza artificiale applicata al processamento di immagini digitali. Vengono affrontate le principali problematiche della visione artificiale con particolare riferimento alle più attuali applicazioni, quali robot navigation, image retrieval e riconoscimento del volto e dei gesti umani.

I contenuti offerti si integrano con quelli di insegnamenti quali Controlli Automatici, Robotica, Sistemi di Telecomunicazioni fornendo una ampia panoramica dell’applicazione dell’informatica in ambito industriale.

Contenuti del Corso:

Introduzione al Corso: scopi della visione artificiale; discipline affini; applicazioni.

Concetti di base sui segnali digitali: campionamento, quantizzazione. Il teorema del campionamento; aliasing. Risoluzione.

Concetti di base sulle immagini digitali: formazione dell’immagine, rappresentazione digitale delle immagini, immagini a toni di grigio, a colori, in bianco e nero.

La rappresentazione del colore: spazi di rappresentazione, RGB, HSV, CIE.

Livelli di analisi dell’immagine: analisi a basso livello, medio, alto livello.

Analisi a basso livello: analisi spaziale, analisi temporale. Gradiente; integrazione; convoluzione. Filtraggio del rumore; filtro medio, gaussiano, mediano. Background differencing.

Elaborazione delle immagini binarie: operazioni elementari, operazioni logiche, mathematical morphology.

Thresholding, istogrammi, equalizzazione dell’istogramma.

Trasformazioni sull’immagine. Trasformazioni lineari e non lineari.

Segmentazione delle immagini. Il concetto di “feature”. Edges, Corners, Textures. Segmentazione area-based e segmentazione edge-based. Segmentazione mista.

Elementi di pattern matching. Pattern matching Bayesiano.

Rappresentazione e confronto delle forme. Nearest-Neighbour search. Range Queries.

Elementi di visione 3D. L’approccio ricostruzionistico. Visione stereo. Geometria Epipolare. Corrispondenza, Disparità ed Optical Flow.

Analisi di immagini dinamiche: motion-based segmentation, motion tracking, object tracking.

Materiale didattico :

Libri di testo:

Rafael C. Gonzalez, R. E. Woods, “Digital Image Processing 3E” (terza edizione) Prentice-Hall Publishers, ISBN 0-201-18075-8

E.Trucco, A. Verri, “Introductory Techniques for Computer Vision”, Prentice Hall Publishers.

Appunti e dispense distribuite a lezione.

Note:

Il corso prevede una forte componente pratica, che verrà svolta con l’ausilio di strumenti software ed hardware posti a disposizione nei laboratori didattici della Facoltà. La conoscenza di tali strumenti viene acquisita durante il corso ed è considerata condizione necessaria per lo svolgimento dell’esame. Una buona conoscenza di programmazione, in particolare del linguaggio C, è essenziale. Altrettanto essenziali sono considerate una conoscenza approfondita dell’algebra lineare, della geometria piana e della analisi matematica. Le basi della statistica sono utili al corso.

Svolgimento degli esami:

L’esame prevede una prova teorica ed una prova pratica: entrambe concorrono, in misura confrontabile, alla valutazione finale. Eventuali elaborati di corso saranno assegnati durante le lezioni. Prove “in itinere” potranno essere svolte nel corso dell’anno.